نویسندگان | معصومه پورعزت - پیوند قادریان - حامد داننده حصار |
---|---|
نشریه | مجله مهندسی برق دانشگاه تبریز |
ارائه به نام دانشگاه | دانشگاه صنعتی سهند تبریز |
شماره صفحات | ۱۵۹-۱۷۰ |
شماره مجلد | ۵۳ |
نوع مقاله | Full Paper |
تاریخ انتشار | ۲۰۲۳-۱۰-۱ |
رتبه نشریه | ISI |
نوع نشریه | چاپی |
کشور محل چاپ | ایران |
چکیده مقاله
آپنه خواب انسدادی یک اختلال شایع تنفسی در حین خواب است که می تواند عواقب منفی قابل توجهی بر کیفیت زندگی و عملکرد روزانه افراد داشته باشد. در حال حاضر، پلی سومنوگرافی استاندارد اصلی تشخیص آپنه خواب است که نمی تواند انتظارات یک تشخیص سریع و اقتصادی را با تحلیل چندین سیگنال به صورت همزمان تامین کند. در این راستا توسعه الگوریتم های تشخیصی خودکار، قابل اعتماد و مقرون به صرفه حایز اهمیت است. از این رو در این مطالعه، با هدف تشخیص رویدادهای آپنه خواب انسدادی، یک الگوریتم تشخیص خودکار بر اساس تحلیل تک لید سیگنال الکتروکاردیوگرام ارایه شده است. بدین منظور از یک روش تطبیقی جدید مبتنی بر تجزیه فوریه تجربی و استخراج ویژگی های آماری و بعد فرکتال از توابع باند ذاتی فوریه سیگنال به همراه الگوریتم انتخاب ویژگی ReliefF و طبقه بند جنگل تصادفی استفاده شده است. روش تجزیه فوریه تجربی می تواند به عنوان یک ابزار جدید تجزیه سیگنال قابلیت مناسبی در استخراج نوسانات مرتبط با اجزای غیر ایستای سیگنال ارایه دهد. در این مطالعه جهت بررسی قدرت تشخیص روش پیشنهادی از پایگاه داده Apnea-ECG که شامل 70 ثبت از سیگنال الکتروکاردیوگرام تک کانال می باشد، استفاده شده است. نتایج حاصل نشان داده است که الگوریتم پیشنهادی قادر به تشخیص رویدادهای آپنه خواب انسدادی با مقادیر صحت 03/88%، حساسیت 44/83% و اختصاصیت 84/90% می باشد. صحت بالای نتایج به دست آمده به همراه تعداد ویژگی های مناسب نشان دهنده مصالحه بین دقت و تعداد ویژگی های استخراج شده می باشد که منجر به بار محاسباتی مناسب الگوریتم پیشنهادی می گردد که استفاده آن را در کاربردهای کلینیکی ممکن می سازد.